《深度学习Ng》课程学习笔记01week4——深层神经

来源:http://www.sh-fengwen.com 作者:美高梅游戏平台网站 人气:168 发布时间:2019-09-06
摘要:http://blog.csdn.net/u011239443/article/details/77929528 二分类例子:判断图片中是否有猫:将图片RGB矩阵拉伸为向量: 4.1 深层神经网络 4.2 前向和反向传播 使用上面的特征向量来判断图片中是否

http://blog.csdn.net/u011239443/article/details/77929528

二分类例子:判断图片中是否有猫:将图片RGB矩阵拉伸为向量:

4.1 深层神经网络

图片 1图片 2

4.2 前向和反向传播

使用上面的特征向量来判断图片中是否有猫。

前向传播

图片 3图片 4图片 5

反向传播

反向传播的四个基本方程

这里给出的是交叉熵损失函数:

总结

图片 6

4.3 深层网络中的前向传播

为了最小化代价函数,找到 w,b 的最优解

4.4 核对矩阵的维数

图片 7

4.5 为什么使用深层表示

  • 可以从简单特征到复杂特征:

  • 从电路理论上来说需要隐藏层才能多特征计算:

对 代价函数对 w,b 求导,再根据学习率,更新 w 和 b :

4.6 搭建深层神经网络块

图片 8

4.7 参数 VS 超参数

2.5 到 2.8 是非常基础的导数讲解,这里就不做笔记了。

4.8 这和大脑有什么关系?

这里写图片描述

图片 9图片 10

计算步骤为:

图片 11

我们讲上述的计算步骤向量化:

图片 12

向量化 和 循环的代码对比:

本文由美高梅游戏平台网站发布于美高梅游戏平台网站,转载请注明出处:《深度学习Ng》课程学习笔记01week4——深层神经

关键词:

上一篇:理解Python的With语句

下一篇:没有了

最火资讯